# Modality Drop-Out for Multimodal Device Directed Speech Detection Using Verbal and Non-Verbal Features

- 第一作者：Gautam Krishna；Apple
- 发表：ICASSP 2024
- 阅读深度：摘要及会议信息筛选
- 记录日期：2026-08-28
- 来源：[论文摘要](https://arxiv.org/abs/2310.15261)、[IEEE](https://ieeexplore.ieee.org/document/10446421/)

## 摘要与项目关系

研究对设备说话检测中韵律、声学/语言信息融合，以及缺失模态时的稳健性。使用固定工作点的误接受率衡量改进。

可以作为我们的 fixed-recall 误开口评测与缺失模态对照的参考，但非 verbal 不自动意味着视觉，不能将该韵律工作描述为逐人视觉接话。具体算法尚未完整复核，暂不建议照搬数值或超参数。